[기고] AI 시대, 국외반출의 대상은 '지도'가 아니라 '공간지능'이다
구글의 고정밀 지도 국외반출이 결정 단계를 넘어 실제 이행을 준비하는 단계로 접어들었다. 지난 13일 한 매체는 국내 한 지도정보 가공업체가 국토교통부에 구글 스트리트뷰 정보 처리방식을 문의했다고 보도했다. 국토지리정보원은 앞서 구글에 반출 조건을 실제로 어떻게 이행할 것인지 구체적인 방안을 제출하도록 요구한 것으로 알려졌다. 정부는 지난 2월 조건부 허가 당시 국내 제휴기업의 국내 서버에서 원본 데이터를 가공하고, 보안 처리와 좌표 노출 제한 등 조건 충족 여부를 확인한 뒤 필요한 범위의 데이터만 반출하도록 했다. 이제 논의의 중심은 '허가할 것인가'에서 '허가 조건을 실제로 어떻게 구현하고 검증할 것인가'로 이동했다. 겉으로 보면 조건부 허가 후 자연스러운 절차다. 지금 확인해야 할 것은 이미 정해진 조건을 어떻게 이행할 것인가 만이 아니다. 조건 자체가 GeoAI 시대에 발생하는 새로운 위험까지 충분히 다룰 수 있는지도 다시 물어야 한다. 정부가 공개한 반출 조건은 과거 시계열 영상을 포함한 보안처리, 좌표 표시 제거·노출 제한, 국내 서버에서의 원본 가공과 제한적인 정보 반출 등에 초점을 두고 있다. 기존의 지도 보안체계에서는 합리적인 접근이다. 그러나 스트리트뷰와 POI·국가기본도 등 서로 다른 공간 데이터가 결합하고 그 결과를 AI가 학습하는 순간 문제의 성격은 달라진다. 지금 등장한 것은 단순히 기존 조건의 '이행' 문제가 아니라, 기존 조건만으로 충분히 규율할 수 있는지를 다시 검토해야 할 새로운 영역이다. 이 시점에서 질문을 바꿔야 한다. 우리가 심사해야 하는 것은 정말 '지도'뿐인가. GeoAI 시대에 지도는 더 이상 최종 산출물이 아니다. 지도·위성영상·드론영상·LiDAR 포인트클라우드·스트리트뷰·POI·이동정보가 AI와 결합하면 데이터는 객체를 탐지하고, 변화를 감지하고, 위치를 추적하며, 이동을 예측하고, 시설 간 관계를 추론하는 '능력'으로 전환된다. 이것이 공간정보의 이중용도(Dual-use) 문제다. 같은 3차원 공간정보와 AI가 자율주행·도시계획·재난대응에 활용되면 혁신기술이지만, 군사·정보 분야에서는 표적 식별, 감시·정찰, 이동 분석과 작전환경 분석에도 활용될 수 있다. 기술 자체에 민간용과 군사용의 명확한 경계가 있는 것이 아니다. 누가 어떤 데이터를 어떤 목적으로 결합하고, 그 결과 어떤 능력을 획득하는지가 중요하다. 미국은 이미 이러한 위험을 단순한 데이터 파일보다 '능력'과 '접근'의 관점에서 보고 있다. 현행 대외투자 안보규정인 31 CFR Part 850은 중국·홍콩·마카오 등 우려국과 관련된 특정 AI 투자 가운데 무기 타기팅, 표적 식별, 군사 의사결정, 정부 정보활동과 대규모 감시 등에 사용되는 AI를 국가안보상 민감한 영역으로 규정한다. 이미지 인식과 위치 추적도 구체적으로 언급된다. 미국의 커넥티드카 규제는 더욱 직접적이다. 미국 상무부는 중국·러시아와 연계된 특정 차량 통신시스템과 자율주행 소프트웨어를 국가안보 관점에서 제한하면서, 오늘날 자동차가 카메라·마이크·GPS와 통신기능을 갖춘 사실상의 '바퀴 달린 컴퓨터'라는 점을 강조했다. 차량이 방대한 정보를 지속적으로 수집하고 외부 접근이나 원격조작의 통로가 될 수 있다는 것이 안보상 우려의 근거다. 이 사례가 중요한 이유는 공간정보가 더 이상 국가가 제작한 지도에서만 생성되지 않기 때문이다. 자동차·드론·로봇·스마트폰·사물인터넷(IoT) 센서가 현실공간을 끊임없이 관측한다. 지도 파일 한 장을 국외 반출하지 않더라도 해외 AI가 대한민국 도로와 건물·시설·교차로, 이동패턴을 학습하고 공간적 지식을 축적할 수 있는 시대다. 중국도 공간정보를 일반 산업 데이터와 다르게 취급한다. 2024년 외국인 투자 네거티브리스트에서 제조업 분야 외국인 투자 제한을 철폐하면서도 대지측량·해양측량·항공사진측량·지상이동측량·진(眞)3차원지도와 내비게이션 전자지도 제작 등에 대한 외국인 투자는 계속 금지했다. 산업의 개방과 국가 공간정보에 대한 통제는 별개의 문제로 보고 있는 것이다. 우리에게도 안전장치는 있다. '공간정보의 구축 및 관리 등에 관한 법률'은 기본·공공측량성과의 국외반출을 허가제로 관리하고, 관련 심사체계는 이를 편집·가공·추출한 공간정보까지 대상으로 한다. 문제는 AI가 등장한 이후다. 공간데이터를 AI가 학습하면 원본 파일이 직접 국경을 넘지 않더라도 데이터에서 추출된 특징과 관계, 패턴이 임베딩, 벡터DB, 모델 파라미터, 파인튜닝 모델과 파생 공간지식의 형태로 축적될 수 있다. 더욱이 각각 공개 가능한 데이터라도 결합하면 위험도가 달라질 수 있다. 스트리트뷰·POI·건물정보·도로망과 시계열 영상을 AI가 함께 분석하면 개별 데이터만으로는 쉽게 알 수 없었던 시설의 성격과 공간적 관계, 변화까지 추론할 수 있기 때문이다. '개별 데이터의 민감도'뿐 아니라 '결합에 따른 민감도 상승'을 함께 봐야 하는 이유다. 현행 공간정보 국외반출 제도에서 해외 원격접근, AI 학습과 파인튜닝, 임베딩과 모델 가중치의 해외 저장, 파생 공간지식의 이용, 제3자 재이전을 각각 어떤 기준으로 판단할 것인지는 충분히 명확하지 않다. 흥미로운 비교 대상은 '개인정보 보호법'이다. 개인정보의 경우 해외로 직접 전송하는 것뿐 아니라 해외에서 조회되는 경우, 처리위탁과 보관까지 국외 이전의 범위에 포함한다. 개인정보에서는 물리적인 파일 이동을 넘어 해외 주체의 실질적인 접근까지 포착하고 있다. 그렇다면 국가안보와 산업안보에 영향을 미칠 수 있는 전략적 공간정보도 '파일의 이동'뿐 아니라 그 데이터에 대한 실질적 접근과 AI 학습, 그리고 그 결과 만들어지는 능력까지 살펴볼 필요가 있다. 그래서 '기능적 국외이전(Functional Cross-border Transfer)'이라는 새로운 정책개념을 제안한다. 현재 법률에 존재하는 용어가 아니라 AI 시대에 맞게 국외 이전의 판단범위를 확장하자는 제안이다. '파일이 해외로 갔는가'만 확인하는 것에서 한 걸음 더 나아가 '외국 주체가 대한민국 공간정보를 이용해 어떤 정보·지식·분석·탐지·예측 능력을 획득했는가'까지 평가해야 한다. 해외 원격접근 여부, AI 학습·파인튜닝 여부, 데이터 결합에 따른 민감도 상승, 임베딩과 모델 가중치의 저장 위치, 파생정보 생성, 제3자 재이전을 함께 살펴야 한다. 자동차·드론·로봇과 같은 이동형 센서를 통한 지속적인 공간정보 획득 역시 같은 관점에서 검토할 필요가 있다. 이를 위해 데이터 계보(Data Lineage)와 함께 모델 계보(Model Lineage)를 관리해야 한다. 어떤 데이터를 어떤 모델이 언제 학습했는지, 그 결과 어떤 모델과 파생정보가 만들어졌는지, 어디에 저장됐고 누구에게 제공됐는지를 추적할 수 있어야 한다. 무엇보다 공간정보는 대한민국이 완전한 통제권을 행사할 수 있는 상태에 있어야 한다. 원본이 국내 서버에 있다는 것만으로는 충분하지 않다. 누가 접근하고, 무엇과 결합하며, 어떤 AI가 학습하는지를 대한민국이 확인할 수 있어야 한다. 그 결과 생성된 모델과 파생지식이 어디에 저장되고 어떻게 재사용·재이전되는지도 추적할 수 있어야 한다. 필요한 경우 접근과 학습을 즉시 중단하고, 조건 위반 시 이용을 차단하며, 사후에는 데이터와 모델의 이용이력을 감사할 수 있어야 한다. 실제 지도반출 절차를 준비하는 지금을 단순한 행정 절차의 다음 단계로 봐서는 안 된다. 오히려 지금은 '지도 파일의 반출'을 심사하던 제도를 '공간지능의 이전'까지 통제할 수 있는 제도로 확장해야 하는 정책적 전환점이다. 파일은 삭제하거나 반환을 요구할 수 있지만, 이미 AI가 학습해 모델의 능력으로 축적된 정보와 지식을 완전히 회수하는 것은 훨씬 복잡하기 때문이다. AI 시대 국가가 지켜야 할 것은 지도 한 장이 아니다. 지도와 센서에서 생성되고 AI를 통해 축적되는 '대한민국을 이해하고 탐지하고 예측하는 능력'이다. 공간정보뿐 아니라 그 공간정보에서 만들어진 지식과 모델, 능력까지 대한민국이 완전하게 통제할 수 있어야 한다. 이제 '지도 주권'을 넘어 '공간지능 주권'을 논의해야 한다.
